文章介绍了开源项目 awesome-agentic-ai-zh 提供的 AI Agent 学习地图，将学习路径分为两条：路线 A（CLI Power User）面向只想用好现成 Agent 的用户，学习 Claude Code、Codex、MCP、Skills 和工作流搭建；路线 B（Agent Builder）面向想开发 Agent 的工程师，需深入 Tool Use、Agent Framework、Memory、RAG 和 Multi-Agent。作者强调不要跳级学习，先补齐 Terminal、Git、API、JSON 等基础，普通人学好路线 A 已能解决大量实际问题。
本文是《人工智能的工程全景》系列的下篇，深入探讨了2025-2026年AI行业的竞争焦点——Agent工程层。文章从Agent定义的演变出发，区分了Workflow与Agent的本质差异，解析了ReAct架构与关键能力清单。重点介绍了Function Calling的工业化起点、MCP协议带来的工具调用标准化，以及Context Engineering与Harness Engineering在Agent系统构建中的核心地位。
本文探讨了如何构建一个在实际应用中表现卓越的垂直领域 Agent。作者结合开发 Shortcut 电子表格 Agent 的经验，提出核心原则是“对任务分布的忠实压缩”。文章详细介绍了“分层缓存”架构，将上下文分为 L1（常驻核心）、L2（按需规格）和 L3（兜底参考），以平衡效率与准确性。同时强调了“单工具优于多工具”的策略，主张通过代码执行来统一能力，降低模型决策复杂度，从而在长尾任务中实现高准确率。
文章讨论了 MCP 服务器在 AI Agents 中的应用。盲目启用 MCP 会导致上下文膨胀、成本增加和性能下降。文章提出了两种有效的使用模式：一是显式 MCP 服务器（内联工具注入），通过 @mention 按需加载工具，适合用户驱动的临时需求；二是子代理 MCP 服务器，将 MCP 服务器声明在子代理定义中，利用 allowed_tools 进行最小权限范围限定，适合代码审查或支持代理等特定场景。
文章探讨了智能体接入生产系统的三种方式（API、CLI、MCP），并深入分析了MCP协议如何通过统一中间层解决连接难题。针对MCP被诟病的Token消耗问题，介绍了“按需加载工具定义”和“程序化工具调用”两大优化方案。同时，文章总结了构建优秀MCP服务器的五大原则，并阐述了MCP与Skills结合的“组合拳”模式，指出MCP正成为云端智能体的标准化接入层。
本文深入分析了 Hermes 推出的 Tool Gateway 功能，指出这不仅是便利性更新，更是产品战略的转折点。文章指出，Agent 落地的痛点往往不在模型，而在工具层（搜索、浏览器、TTS）的复杂配置。Tool Gateway 通过提供统一且可独立路由（per-tool routing）的托管路径，显著降低了用户的“配置税”，在保留 Operator 选择权和控制感的同时，极大地缩短了价值交付时间。
本文记录了国内第一届GEO（生成式引擎优化）主题大会的核心内容。12位来自GEO和AI领域的专家分享了从传统SEO向GEO转型的趋势、技术策略及商业实践。文章深入探讨了AI时代的品牌可见性、To Agent的新产品形态、以及构建事实资产与可信分发体系的重要性，指出GEO是进入AI新商业秩序的第一张门票。
本文介绍了在OpenClaw中安装Tushare Skill的应用价值。通过将复杂的A股量化交易流程（如编程、清洗、回测）转化为简单的对话指令，用户可快速获取行情、筛选潜力股、追踪主力资金并生成可视化图表，极大地降低了量化分析的技术门槛。
